神经网络预测lags是指什么----在神经网络预测预测时？

如何让利用神经网络进行预测，怎么在进行训练之后，怎么看出训练模型的好坏？如何进行评判？

可以用MATLAB神经网络工具箱，先提取样本，用mapminmax函数归一化，再newff函数建立网络，设置好训练参数后，使用train函数训练，最后用sim函数看预测结果。

在训练过程中，有一个performance可以观察，它的训练目标就是你设置的goal。

在训练过程中，它会自动分出一部分样本作为validation验证，可以保证不过拟合。

具体要评价效果还是应该看最后预测的精度。

附件是一个BP预测的实例。

神经网络bp算法可以对样本进行预测，具体是预测什么？

他的预测是这样的一个意思： 比如你知道x=1,2,3时y分别等于7,4,8，那么神经网络可以告诉你x=1.5或者x=1.254的时候，y等于多少。

或者，你知道 x=1;y=1时z=2; x=5;y=3时z=4; x=3;y=2时z=9; ... (任意几组，少至2组，多至几百组上千组都可以) 这个时候，利用神经网络，你可以知道x=1.354;y=4.654时z的值 如果只有两组，可想而知，这个网络的预测精度并不是很高，而且利用一般的数学方法就很容易完成预测； 但是如果有上千组，那用一般的数学方法完成这样的预测基本上就是不可能的，而神经网络可以很容易的进行预测，建立一个能对这些样本很好拟合的网络，完成这样的预测。

如何得到神经网络预测结果

如果你用9——11年的数据不经过预测12——19年的数据就想得到第20年的数据的做法是不合理的，神经网络的预测讲求时间序列的连续性，你可以在编写maltab程序的时候才用递归的方法调用神经网络工具箱，加上对预测数据进行一定的格式操作就可以了，这样你想读到第几年的数据都行。

神经网络可以用来预测数据吗

网络的训练过程与使用过程了两码事。

比如BP应用在分类，网络的训练是指的给你一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。

这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。

您所说的那种不需要预先知道样本类别的网络属于无监督类型的网络，比如自组织竞争神经网络。

如何利用训练好的神经网络进行预测

预测的时候还是将需要的参数作为输入。

训练的时候不是有15组样本吗（4*15和6*15的），说明输入节点数为4，输出节点数为6。

因此预测时，将用于预测的4个参数作为输入，神经网络的6个输出即为预测结果。

神经网络因其很好的函数逼近能力而被广泛应用于非线性系统建模、辨识和控制中。

根据应用场合的不同,神经网络可分为静态和动态神经网络两类。

静态(或前馈)神经网络没有反馈成分,也不包含输人延时,输出直接由输人通过前向网络算出;动态神经网络的输出不仅依赖当前的输人,还与当前和过去的输入、输出有关。

lags是指什么----在神经网络预测预测时？

lags是延后、延迟的意思，相当于时间维度上的误差。

人工神经网络（Artificial Neural Network，即ANN ），是20世纪80年代以来人工智能领域兴起的研究热点。

它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。

在工程与学术界也常直接简称为神经网络或类神经网络。

神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。

每个节点代表一种特定的输出函数，称为激励函数（activation function）。